– Meir stas å finna ein sjeldan blomst eller sommarfugl

Naturhistoriske museumssamlingar er rike på opplysningar om utbreiing av artar før og no, men gjev ikkje heile biletet. Det kan blant anna vere fordi nokre artar er så vanlege at det vert kjedeleg å samla dei inn.

Publisert
Den største samlinga i Norge finst ved Naturhistorisk museum (NHM) ved Universitetet i Oslo. Foto: Per E. Aas/NHM/UiO
Den største samlinga i Norge finst ved Naturhistorisk museum (NHM) ved Universitetet i Oslo. Foto: Per E. Aas/NHM/UiO

Når forskarane skal utvikla modellar som gjev svar på slike spørsmål, er dei naturhistoriske samlingane som gullgruver å rekna. 

Rundt seks millionar biologiske og geologiske samlingsobjekt finst her. Det vert anslått til omkring 65 prosent av dei naturhistoriske samlingsobjekta i landet.

Men data frå samlingane har innebygde svakheiter.

Tilgjengelege innsamlingsområde

– Vi har data om forekomstar, men data om fråver får vi ikkje frå museumssamlingane, seier Bente Støa, som nyleg disputerte ved NHM.

– At ein art ikkje er samla inn på ein bestemt stad, betyr ikkje at den ikkje finst der, 

– I gunstige tilfelle kan vi få informative modellar med så lite som 10-15 forekomstar, seier Bente Støa. ( Foto: Per Aas, NHM)
– I gunstige tilfelle kan vi få informative modellar med så lite som 10-15 forekomstar, seier Bente Støa. ( Foto: Per Aas, NHM)

Ho forklarar at det kan finnast fleire grunnar til skeivheitar i det innsamla materialet.

– Kor tilgjengeleg eller framkomeleg innsamlingsområdet er, kan spela inn, seier ho.

– For mange artar er det registrert få forekomstar, og dei er ofte konsentrert rundt område som er lett tilgjengeleg for samlarar, inkludert forskarar.

Garbage in, garbage out

– Ei anna årsak er at nokre artar er så vanlege at det vert kjedeleg å samla dei inn. Det er meir stas å finna ein sjeldan blomst eller sommarfugl, fortel Støa.

Ved å kombinera museumsdata med ulike miljøvariablar kan forskarane laga stadig meir presise modellar for å forutseia utbreiiinga av artar.

Men presisjonen er avhengig av kvaliteten på dei data som vert tekne i bruk.

– Garbage in, garbage out, fastslår Støa.

Sjølv har ho brukt klimavariablar for å laga modellar basert på samlingsdata. Ho forklarar korleis resultata kan indikera kor mykje ein kan stola på samlingsdata.

Informative modellar

Kurven til venstre viser ein mer realistisk respons på ein miljøvariabel enn kurven til høgre, og vil derfor vera eit betre utgangspunkt for utbreiingssmodellering. (Foto: (Ill.: Bente Støa, NHM))
Kurven til venstre viser ein mer realistisk respons på ein miljøvariabel enn kurven til høgre, og vil derfor vera eit betre utgangspunkt for utbreiingssmodellering. (Foto: (Ill.: Bente Støa, NHM))

– Utbreiinga av ein art er ein respons på dei miljøvariable tilhøva rundt den. Ved å sjå på responsen til ein av desse variablane, plottar vi ein såkalla artsresponskurve.

Ein god artsresponskurve vil vera ganske glatt og ha ein tydeleg topp. Derimot vil ein berg-og-dalbane-kurve tyda på at hola i samlingsdata vil gjera det vanskeleg å modellera utbreiinga av arten.

– Vi ser at vi i gunstige tilfelle kan få informative modellar med så lite som 10-15 forekomstar, seier Støa.

– Så sjølv om det finst hol i samlingane, har naturhistoriske samlingar eit stort potensial i arbeidet med utbreiingsmodellar.

Referanse:

Bente Støa: Exploring the value of museum data for use in species distribution modeling: Data limitations and how to tackle them. Universitetet i Oslo. Doktorgradsavhandling 2014. (Sammendrag).